Visualisasikan hasilnya

Kita telah melatih model dengan fungsi rugi kustom, dan saatnya melihat kinerjanya. Kita akan memeriksa kembali nilai R\(^2\) dengan fungsi r2_score() dari sklearn, dan membuat plot sebar prediksi versus nilai aktual dengan plt.scatter(). Ini akan menghasilkan beberapa temuan menarik!

Latihan ini merupakan bagian dari kursus

Machine Learning untuk Keuangan dengan Python

Lihat Kursus

Instruksi latihan

Buat prediksi pada himpunan uji dengan .predict(), model_2, dan scaled_test_features.
Evaluasi skor R\(^2\) pada prediksi himpunan uji menggunakan test_preds dan test_targets.
Plot target himpunan uji vs nilai aktual dengan plt.scatter(), dan beri label 'test'.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Evaluate R^2 scores
train_preds = model_2.predict(scaled_train_features)
test_preds = ____
print(r2_score(train_targets, train_preds))
print(____)

# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(train_preds, train_targets, label='train')
plt.scatter(____)  # plot test set
plt.legend(); plt.show()

Edit dan Jalankan Kode